38万4000トークンの入力に対応した意思決定モデル「SubQ Snap」が登場、コンテキストウィンドウが長くても短くてもJevより優秀で画像にも対応

アメリカのAI企業であるSubquadraticが、Jevの12倍に相当する38万4000トークンの入力に対応した意思決定モデル「SubQ Snap」を発表しました。

Subquadratic — Introducing SubQ Snap: A Long-Context Decision Model for Enterprise Agents
https://subq.ai/introducing-subq-snap

Introducing SubQ Snap, the first long-context decision model for real enterprise work.

Snap is the only decision model or LLM where compute per token stays constant as context grows.

• 384K tokens of multimodal context, 12x larger than Jev.
• 61.7 on Decision Index v0.2.1 vs… pic.twitter.com/5ZroqQti7v

— Alexander Whedon (@alex_whedon) 2026年10月12日

「SubQ Snap」はSubquadraticの基礎研究に基づいて構築された、エージェントワークフロー向けの意思決定モデルです。Subquadraticによると、SubQ Snapはエージェントワークフロー内でデータ集約型でありながら構造化された意思決定を行うために設計されています。具体的には、「どのファイルが関連しているか」「次にどのツールを使用するか」「テスト結果が合格か」「どのステップで最先端モデルが必要か」などです。エージェントはほぼあらゆる場面でこのような判断を行うため、迅速かつ正確に判断できる意思決定モデルの存在は、ワークフロー全体のコストおよびレイテンシの削減に寄与します。

Subquadraticは「適切な意思決定はコンテキストに依存します。現実世界のワークフローでは、多くの場合、大量の情報に基づいて推論を行う必要があります。例えば、次に取るべき適切なアクションは、コードベースの残りの部分、契約書の以前のページ、あるいはツール呼び出しや過去のアクションの長い履歴に依存する場合があります。しかし、コンテキストが長くなると、二次アテンションによって各呼び出しが遅くなりコストも高くなるため、意思決定モデルを使用する意味がなくなってしまいます。そのため、今日の意思決定モデルは3万2000トークンに留まり、必要な情報のほとんどを見ることなく意思決定を行っています」と語り、既存の意思決定モデルのコンテキストウィンドウが非常に少ない点を問題として挙げました。

そこで、Subquadraticは次世代の高速・ロングコンテキスト向けアテンション機構「SSA」を搭載したSubQ Snapを構築しました。SubQ Snapは、最大38万4000トークンのテキストと画像を使用して意思決定を行い、最大10万トークンのリクエストを1秒未満で処理することが可能です。なお、SubQ Snapは意思決定モデルの判断能力や実務性能を測定するためのベンチマークであるDecision Indexのバージョン0.2.1において、Jevよりも4ポイントも高いスコアを獲得しています。

Subquadraticは現時点の意思決定モデルについて「LLMの出力評価や、事前のLLM選択といった用途に使われており、タスク処理自体はLLMが中心となっている」と指摘。そのうえで、「意思決定モデルがLLMのワークフロー内で意思決定を担うようになれば、場合によっては大規模なタスクを単独で完了できるようになり、はるかに刺激的で有用なものになる」と述べています。

ロングコンテキストにおける意思決定の正確性を、意思決定モデル向けのベンチマークであるDecision RULERおよびDecision LCRで評価したのが以下のグラフ。SubQ Snapは入力トークンが長くなっても意思決定の水準が大きく落ち込みません。また、意思決定モデル定番であるJevと比較すると、スコアは大幅に優れています。

入力トークンが短くても、SubQ SnapはJevよりも優れた意思決定を行うという評価。

Decision Indexの各項目でSubQ SnapとJevのスコアを比較した結果が以下。AIが提示された複数のドキュメントやテキストから複雑な属性を正確に分類・判断できるかを評価する「ACOS」、AIがAPIをどれだけ正確に使いこなせるかを測定・評価する「API-Bank」、AIがAPIを呼び出すべきか呼び出すべきではないかの判断力を測定する「When2Call」というベンチマーク以外では、SubQ SnapがJevよりも優れたスコアを記録しました。

なお、SubQ Snapは入力トークン100万当たり0.05ドル(約7.9円)で利用可能。出力トークンに料金は発生しません。記事作成時点ではパブリックプレビュー版が先着順で利用可能となっており、定員に達した場合、新規ユーザーはウェイティングリストに追加されます。

SubQ Snap — The first decision model for real enterprise work | Subquadratic
https://subq.ai/